集成的颤动检测的制作方法
本公开总体上涉及机器工具颤动检测领域,更具体地,涉及一种用于机器工具颤动检测的方法,其组合了无传感器和基于传感器的测量技术,其中对频域测量数据进行滤波和分析,然后评估标志标准以检测颤动的存在。
背景技术:
1、在本领域中已知的是使用计算机控制的装置来在零件上执行例如钻凿和铣削的机加工操作。在一些应用中,使用计算机数控(cnc)机器,其在改变或不改变工具的定向的情况下沿三个主要方向移动工具。在其它应用中,多轴工业机器人装配有机加工头,并且机器人能够沿着任何任意空间路径移动工具,同时还将工具定向控制到任何期望值。
2、无论使用何种类型的机器工具或机器人来执行机加工操作,完成的工件的质量总是重要的,并且必须避免可能对工件质量或机器工具的寿命有害的条件。颤动是已知在一些机加工操作中发生的特殊问题。
3、颤动是在机加工操作期间发生切割工具的不期望振动的条件。例如,在铣削工具(刀头)沿横向方向(垂直于刀头的轴线)进行切割的铣削操作中,机器工具和铣削刀头中的少量柔度允许在切割发生时刀头抵靠工件的振动。振动导致工件的机加工表面具有“圆齿”轮廓而不是期望的平滑轮廓。另外,在一些情况下,切割条件可能变得不稳定,其中在一个切割行程中产生的扇形轮廓导致刀头的后续行程切割快速变化的且厚度不均匀的材料。不均匀的切割厚度则增加了颤动振动的振幅。
4、当经历不稳定的颤动时,工件经常被毁坏,并且可能发生对铣削刀头或者甚至对机器工具本身的损坏。因此,希望在颤动一发生就检测颤动,并采取措施消除颤动。
5、在本领域中已知用于机器工具颤动检测的技术。许多现有系统需要向机器工具环境添加振动传感器或麦克风,并且将关联的数据采集和分析系统集成到机器工具控制器中。用于颤动检测的其它技术需要测量机器工具系统的结构动力学,以识别振动的固有频率,并使用这个信息来预测机加工稳定性。还有其他颤动检测技术使用人工智能方法,其中机器学习系统使用来自多个传感器的数据来学习以识别稳定和不稳定的切割条件。
6、上述现有的颤动检测技术都具有一个或多个缺点,包括需要将传感器和数据采集设备添加到机器工具系统,需要将机器工具系统的结构动态模型用于预测有问题的条件,以及分析的计算密集和数据密集性质。另外,大多数现有的颤动检测技术仅能够检测超过某个振幅的严重颤动,并且可因此错过轻微颤动条件。
7、还已经开发了一种无传感器的颤动检测技术,其在许多情况下都有效。然而,诸如主轴电机的信号之类的无传感器信号能够相当的吵,这可能会在某些情况下降低它们对颤动检测的有效性。
8、鉴于上述情况,需要一种改进的机器工具颤动检测方法,其组合简单的数据采集设置和无传感器的分析的固有能力,并且其能够检测到在任何频率处甚至处于低振幅)的颤动。
技术实现思路
1、本公开描述了一种用于机器工具颤动检测的方法,其组合了无传感器和基于传感器的测量方法,并基于对无传感器和基于传感器的信号两者的分析做出整体颤动检测确定。无传感器的分支使用机器工具控制器已知的数据,诸如主轴扭矩数据或伺服电机位置/速度数据,其中记录时间序列样本,将数据转换到频域并进行滤波,并且评估一个或多个标准以检测颤动。基于传感器的分支使用由麦克风记录的声音数据,其中再次记录时间序列样本,将数据转换到频域并进行滤波,并且评估标准以检测颤动。当无传感器和基于传感器的评估分支两者检测到在共同频率处的颤动时,确定在机器工具中正在发生颤动,并采取适当的补救措施。这种集成的颤动检测技术避免了由于无传感器和/或基于传感器的信号中不同频率处存在的噪声而可能产生的颤动的虚假标志。
2、结合附图,根据以下描述和所附权利要求,当前公开的系统和方法的附加特征将变得显而易见。
1.一种用于机器工具颤动检测的方法,所述方法包括:
2.根据权利要求 1 所述的方法,其中,所述无传感器的数据样本包括主轴电机扭矩命令数据,或来自所述机器工具的安置伺服电机的扭矩命令数据、位置数据或速度数据。
3.根据权利要求 2 所述的方法,还包括:在创建所述无传感器的频率响应之后,对所述无传感器的频率响应进行滤波。
4.根据权利要求 3 所述的方法,其中,当所述无传感器的数据样本包括主轴电机扭矩命令数据时,对所述无传感器的频率响应进行滤波包括:从所述无传感器的频率响应中频谱减去成倍的空气切割频率响应,以及在等于整数倍的主轴转速的频率处对所述无传感器的频率响应进行尺寸缩减。
5.根据权利要求 4 所述的方法,其中,所述空气切割频率响应通过以下方式获得:在主轴正在转动时但所述切割操作开始之前记录包括所主轴电机扭矩命令数据的空气切割数据样本,并将所述空气切割数据样本转换至所述频域。
6.根据权利要求 4 所述的方法,其中,对所述无传感器频率响应进行滤波还包括:应用滤波器以去除所述主轴电机扭矩命令数据中的混叠效应,以及应用滤波器以去除所述主轴电机扭矩命令数据中的编码器插值误差效应。
7.根据权利要求 3 所述的方法,其中,当所述无传感器地数据样本包括来自安置伺服电机的扭矩命令数据、位置数据或速度数据时,对所述无传感器的频率响应进行滤波包括:应用滤波器以去除主轴谐波,应用滤波器以去除混叠效应,以及应用滤波器以去除编码器插值误差效应。
8.根据权利要求 1 所述的方法,其中,所述基于传感器的数据样本包括由邻近所述机器工具的麦克风收集的声音数据,或由安装在所述机器工具上的加速度计收集的振动数据。
9.根据权利要求 8 所述的方法,还包括:当所述基于传感器的数据样本包括声音数据时,在创造所述基于传感器的频率响应后对所述基于传感器的频率响应进行滤波包括频谱减去环境噪声频率响应。
10.根据权利要求 1 所述的方法,还包括:当所述基于传感器的频率响应中的任意频率具有大于第三阈值的响应幅度时,由所述控制器确定存在颤动条件,其中所述第三阈值大于所述第二阈值。
11.根据权利要求 1 所述的方法,其中,将所述无传感器的数据样本和所述基于传感器的数据样本从时间序列数据转换至频域包括使用快速傅里叶变换(fft)。
12.根据权利要求 1 所述的方法,其中,所述无传感器的数据样本和所述基于传感器的数据样本是在相同或重叠的时间段期间收集的。
13.根据权利要求 1 所述的方法,其中,采取行动以解决所述颤动条件包括以下的一项或多项:向操作员发送通知、发出声音或视觉警报,以及改变所述切割操作的操作条件,其中所述操作条件包括主轴速度和/或进给速度。
14.一种用于机器工具颤动检测的方法,所述方法包括:
15.一种机器工具颤动检测系统,所述系统包括:
16.根据权利要求 15 所述的系统,其中,所述无传感器的数据样本包括主轴电机扭矩命令数据,或所述机器工具的安置伺服电机的扭矩命令数据、位置数据或速度数据。
17.根据权利要求 16 所述的系统,其中,当所述无传感器的数据样本包括主轴电机扭矩命令数据时,对所述无传感器的频率响应进行滤波包括:从所述无传感器的频率响应中频谱减去成倍的空气切割频率响应,以及在等于整数倍的主轴转速的频率处对所述无传感器的频率响应进行尺寸缩减,其中,所述空气切割频率响应是通过以下方式获得的:当主轴正在转动时但在所述切割操作开始之前记录包括所述主轴电机扭矩命令数据的空气切割数据样本,并将所述空气切割数据样本转换至所述频域。
18.根据权利要求 17 所述的系统,其中,对所述无传感器的频率响应进行滤波还包括:应用滤波器以去除所述主轴电机扭矩命令数据中的混叠效应,以及应用滤波器以去除所述主轴电机扭矩命令数据中的编码器插值误差效应。
19.根据权利要求 16 所述的系统,其中,当所述无传感器的数据样本包括来自安置伺服电机的扭矩命令数据、位置数据或速度数据时,对所述无传感器的频率响应进行滤波包括:应用滤波器以去除主轴谐波,应用滤波器以去除混叠效应,以及应用滤波器以去除编码器插值误差效应。
20.根据权利要求 15 所述的系统,其中,所述传感器是邻近所述机器工具放置的麦克风,且所述基于传感器的数据样本包括由所述麦克风收集的声音数据,或者所述传感器是附接到所述机器工具的加速度计,且所述基于传感器的数据样本包括由所述加速度计收集的振动数据。
21.根据权利要求 20 所述的系统,其中,当所述基于传感器的数据样本包括声音数据时,所述控制器还配置为在创造所述基于传感器的频率响应之后对其进行滤波,包括频谱减去环境噪声频率响应。
22.根据权利要求 15 所述的系统,其中,所述控制器还配置为:当所述基于传感器的频率响应中的任意频率具有大于第三阈值的响应幅度时,确定存在颤动条件,其中所述第三阈值大于所述第二阈值。
23.根据权利要求 15 所述的系统,其中,所述无传感器的数据样本和所述基于传感器的数据样本是在相同或重叠的时间段期间收集的。
24.根据权利要求 15 所述的系统,其中,采取行动以解决所述颤动条件包括以下的一项或多项:向操作员发送通知、发出声音或视觉警报、以及改变所述切割操作的操作条件,其中所述操作条件包括主轴速度和/或进给速度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com